electricsheepafrica/africa-who-population-pushed-further-below-the-365-a-day-poverty-line

该数据集包含非洲国家在1985年至2019年间，因家庭健康支出而进一步低于每天3.65美元贫困线的人口的百分比数据。数据来源于WHO Global Health Observatory，并由Electric Sheep Africa重新打包为Parquet格式。数据集包含国家、年份、数值估计值、置信区间等信息，并提供了详细的模式描述和使用示例。This dataset contains country-level observations for the WHO GHO indicator "Population pushed further below the $3.65 a day poverty line by household health expenditures (%, national, rural, urban)" (`FINPROTECTION_IMP_P365_POP`) across African nations, spanning 1985–2019. It is part of the Electric Sheep Africa collection — a unified, ML-ready repository of African data. Data is sourced directly from the WHO Global Health Observatory OData API and repackaged as Parquet files with a consistent schema. All values are drawn from `NumericValue` (the float-precision field), not the display string. Confidence interval bounds (`value_low`, `value_high`) are included where available.

搜集汇总

数据集介绍

构建方式

该数据集源自世界卫生组织全球卫生观察站（WHO GHO）的公开数据，聚焦于非洲地区居民因家庭卫生支出而被进一步推至每日3.65美元贫困线以下的人口比例。数据通过OData API直接采集，并经过系统化重包装为Parquet格式，确保一致的列式存储架构。所有数值均取自高精度的`NumericValue`字段，而非显示字符串，同时保留了置信区间上下限（`value_low`、`value_high`）以增强统计可靠性。时间跨度覆盖1985年至2019年，涵盖41个非洲国家，共计289条记录，且按居住地类型（国家、农村、城市）进行分层。

特点

本数据集的一个显著特色是其结构化分层设计，通过`dim1`与`dim2`字段存储如居住地类型、性别等子维度信息，使得每个国家-年份组合可对应多条记录，便于细粒度分析。此外，数据严格限定于WHO非洲区域（AFRO），并内置了指标代码、国家ISO代码、WHO区域代码等标准元数据字段，极大提升了跨数据集的可交互性与机器学习任务的就绪度。数据还提供了置信区间信息，使研究者能够评估估计值的不确定性，适合用于回归与分类建模。

使用方法

用户可通过HuggingFace的`datasets`库直接加载该数据集，调用`load_dataset`函数即可获取训练集，并利用`to_pandas()`方法转换为DataFrame进行后续分析。为筛选特定子群体，例如仅保留全国层面且两性合并的数据，可对`dim1`字段进行字符串后缀匹配（如`_BTSX`）。针对时间序列分析，可按`country_iso3`字段筛选单一国家（如肯尼亚），并按年份排序。该数据集天然适用于构建卫生经济与贫困关联的预测模型，也可作为多维度健康指标评估中的解释变量。

背景与挑战

背景概述

在非洲地区，医疗支出对家庭经济状况的冲击尤为显著，尤其是对于已处于贫困线附近的脆弱群体。世界卫生组织全球卫生观察站（WHO GHO）于2019年发布了“因家庭卫生支出而进一步低于日均3.65美元贫困线的人口比例”这一指标，旨在量化医疗自付费用如何将更多家庭推向深度贫困。该数据集由Electric Sheep Africa团队整理，覆盖1985年至2019年间41个非洲国家的289条观测记录，并按国家、城乡及性别等维度进行分层。这一数据为研究非洲医疗卫生筹资的公平性、贫困陷阱的形成机制以及可持续发展目标（SDGs）中健康与减贫的协同效应提供了关键支撑，成为全球卫生经济与公共政策领域的重要基础资源。

当前挑战

该数据集所解决的领域核心挑战在于：如何精确衡量医疗支出对贫困人口生活水平的二次打击，即已有的贫困人口因医疗自付费用而进一步陷入更深层次的贫困。这一指标超越了传统的贫困发生率统计，揭示了健康冲击对穷人的累积性负面影响。在数据集构建过程中，主要挑战包括：数据来源的碎片化——WHO GHO数据通过OData API获取，不同国家及年份的统计口径和更新频率存在差异；数据维度的复杂性——指标按居住地类型（国家、农村、城市）进行分层，导致同一观测点可能产生多条记录，需要谨慎处理维度过滤与聚合；以及数据质量的不确定性——部分观测值缺乏置信区间或存在缺失，影响了时间序列分析与跨国比较的稳健性。

常用场景

经典使用场景

该数据集聚焦于非洲国家因家庭卫生支出导致人口进一步跌入日均3.65美元贫困线以下的比例，涵盖了1985年至2019年间41个非洲国家的国家级、农村和城市分层观测数据。经典使用场景包括利用该数据构建回归模型，预测健康支出对贫困深化的影响程度，或通过分类任务识别哪些国家、年份及居住区域类型面临更高的贫困恶化风险。数据集的精细化分层结构（如城乡差异）使得研究者能够剖析卫生支出贫困效应的空间异质性，从而为精准干预提供量化依据。

解决学术问题

数据集主要解决了全球健康与贫困交叉领域中的核心学术问题：量化家庭卫生支出对贫困深化的边际贡献，并识别其在不同地理与时间尺度下的动态特征。以往研究常受限于数据稀疏或口径不一，而该数据集通过统一规范的WHO GHO指标，覆盖了长达34年的非洲面板数据，使学者能够验证‘因病致贫’的理论假说，并控制时间固定效应和区域异质性。其意义在于为健康公平性研究提供了可靠的统计基础，推动了关于全民健康覆盖（UHC）政策效果的实证评估。

衍生相关工作

该数据集衍生的相关工作集中在健康经济学和机器学习交叉领域。典型工作包括：基于时序模型（如LSTM）预测非洲国家未来5年的卫生支出贫困率，利用地理加权回归揭示空间依赖性，或通过SHAP值解释随机森林模型中各因素（如城镇化率、人均GDP）对贫困深化的贡献权重。此外，该数据集常与WHO其他指标（如免疫覆盖率、医生密度）联合分析，构建复合脆弱性指数，推动‘数据驱动型健康政策’的学术范式发展。